本文列出了德语中常见的不规则动词，包括不定式、过去式、过去分词及助动词，按等级（A1-A2、B1、B2）分类，帮助学习者掌握动词使用。

本研究探讨大型语言模型（LLMs）对性别包容语言的处理，发现英语存在男性偏见，而德语中的偏见更为明显，强调了模型公正性的重要性。

本研究开发了“Find your Figure”应用，旨在解决德语修辞手法检测中注释数据不足的问题，通过结合修辞本体GRhOOT与检索增强生成技术，提高识别效率。

本研究提出了一种基于T5架构的文本生成模型，旨在解决卢森堡语数据稀缺的问题。通过结合德语和法语数据，该模型在生成卢森堡语文本时优于单语模型，并使用LuxGen基准进行评估。

本研究探讨了像素模型在标准语言到方言转移学习中的潜力，结果显示其在德语的语法和语义任务中优于基于令牌的模型，尤其在零-shot方言评估中表现突出。

本研究开发了两款德语解码模型LLäMmlein 120M和1B，填补了德语自然语言处理的空白。通过创新的数据预处理和定制分词器，模型在SuperGLEBer基准测试中表现优异，为未来的开发提供了参考。

该研究提出了Lou数据集，以解决德语文本分类中性别公平语言资源不足的问题。数据集包含七个分类任务，发现性别公平语言显著影响分类结果，如标签翻转和注意力模式变化，但现有评估方法仍然有效。这些发现可能适用于其他语言。

该研究评估了基于Transformer的语音表示模型在跨多种语言的语音情感识别中的性能。结果显示，仅使用语音模型最优层的特征平均降低了7个数据集上的错误率32％。此外，德语和波斯语的语音情感识别方面取得了最新的成果。

该论文研究了波兰文本的两种历时归一化方法，并比较了它们的实验结果。结果显示，基于规则的解决方案在准备的数据集中表现更好。

研究发现，书写句子的语法与词汇复杂度存在回报关系。与口语不同，书写可以使用更复杂的词汇，但会牺牲语法结构的复杂度。易于接近的句子成分是驱动语法与词汇数量关系的因素。

该研究提出了一种在低资源语言中进行面向方面的情感分析的框架，通过集成翻译基准和未标记的韩语数据来优化预测标签，并使用微调的模型对实际韩语自然语言推理集进行伪标记。该方法在韩国ABSA中取得了积极的结果，并与英文ABSA相比具有较小的差异。

本研究探讨了基于标记级参考无关幻觉检测的跨语言转移。通过引入新的评估数据集ANHALTEN，将英语幻觉检测数据集扩展到德语。结果显示，在德语中，更大的上下文长度能更好地检测幻觉。少样本转移是最有效的方法。作者公开提供了ANHALTEN数据集以促进未来研究。

研究者使用奥地利德语方言数据集进行侮辱语言检测，发现大型语言模型在检测侮辱性方面表现更好。他们发布了数据和代码，模型解释性受益于令牌级注释。